网络安全开发工具质量保障【免费下载链接】syzkallersyzkaller is an unsupervised coverage-guided kernel fuzzer项目地址https://gitcode.com/gh_mirrors/sy/syzkaller点击查看免费下载syz-aflow是 syzkaller 仓库中一个独立的命令行工具用于在本地调试与测试由pkg/aflow框架定义的一整套“智能体工作流”Agentic Flow——包括自动生成内核补丁patching、复现崩溃repro、安全评估、基于文件行号生成 syzlang 种子程序seed-gen-file-line等。本文将以 tools/syz-aflow/README.md 为主体结合源码完整讲解如何构建该工具、编写工作流输入 JSON、执行单任务与批量任务、配置 Gemini/Vertex 模型、可视化执行轨迹以及其内部的执行与断点续跑机制读完即可上手跑通一个真实工作流。一、背景从pkg/aflow框架到syz-aflow执行器syz-aflow本身是一个极薄的 CLI 外壳真正的工作流定义与执行引擎位于 pkg/aflow 包。按 pkg/aflow/GEMINI.md 的描述aflow是一个“Agentic Flow”框架用结构化的方式组合传统 Go 代码与LLM 智能体来完成高层的自动化内核任务典型场景包括Patching自动生成并精修内核补丁Moderation评估 bug 报告的影响与可操作性Reproduction为已上报的崩溃寻找复现方式syzkaller 与 C 复现器Assessment分析 KCSAN 报告与安全报告。框架的核心概念包括概念说明Flow一次高层工作流定义声明输入、输出与动作序列可用Flow.Consts注入常量Action工作流中的单个步骤LLMAgent是驱动 Gemini 的智能体FuncAction是包装成步骤的 Go 函数Pipeline/DoWhile/If/ForEach提供编排Tool提供给 LLMAgent 的能力FuncTool是暴露给 LLM 的 Go 函数LLMTool是嵌套子智能体Context携带执行状态、管理持久化缓存、记录执行历史Trajectory由 spanFlow/Action/Agent/LLM/Tool组成的分层执行日志记录包括 LLM 思考与 token 消耗在内的完整执行路径所有工作流通过aflow.Register注册到全局注册表 pkg/aflow/flow.go并由 pkg/aflow/flow/flows.go 统一导入。当前仓库内可用的工作流类型定义于 pkg/aflow/ai/ai.go包括patching、patch-iteration、moderation、assessment-kcsan、assessment-security、repro、repro-c、patch-triage、seed-gen、seed-gen-file-line、finding-triage。syz-aflow的作用就是把这些注册好的工作流暴露给本地命令行从 aflow.go 的main()可以看到工具先解析命令行 flag再在aflow.Flows注册表中按-workflow名字查找工作流然后调用flow.Execute执行。不带参数运行时它会打印全部可用工作流及其描述。二、构建一行命令产出可执行文件在仓库根目录通过syz-env环境syzkaller 官方提供的容器化开发环境入口脚本见 tools/syz-env执行./tools/syz-env go build ./tools/syz-aflow该命令会在仓库根目录生成syz-aflow二进制。后续所有运行命令都通过./tools/syz-env ./syz-aflow ...的方式调用以保证依赖与编译环境一致。三、基本执行与全部命令行参数3.1 单任务运行运行一个工作流需要三要素工作流名称、输入 JSON 文件、工作目录./tools/syz-env ./syz-aflow -workflow workflow_name -input input.json -workdir workdir其中-workdir是工作流执行 checkout、内核构建等耗时操作的私有目录建议在多次运行之间保留pkg/aflow会在这里持久化 LLM 缓存显著降低重复运行成本。3.2 全部 Flag 一览README 列出了核心参数结合 aflow.go 的 flag 定义完整的参数表如下Flag默认值说明-workflow空要执行的工作流名称必填-input空工作流输入 JSON 文件路径若为目录则进入批量模式目录下每个*.json是一个任务必填-parallel1批量执行时的并发任务数仅批量模式可用-corpus空批量模式下将所有执行过的程序保存到指定的corpus.db仅批量模式可用-workdir空工作流执行 checkout、构建等的目录-html空将执行轨迹实时渲染到指定的本地 HTML 文件-output空将最终工作流输出保存到指定 JSON 文件-model空覆盖默认 LLM 模型为空时使用各工作流的默认模型-providergeminiLLM 提供商gemini或vertex-cache-size10GB最大缓存大小支持100MB、5GB、1TB等格式-token-limit0整个工作流运行允许的最大 token 数0 表示不限制-debugfalse开启 runner 调试日志-download-bug空按 bug 的 id 或 extid 从 dashboard 下载 bug 详情并写入-input文件-authfalse下载 bug 时使用 gcloud auth token需先执行gcloud auth application-default login-no-safety-filtersfalse对 Gemini/Vertex 请求关闭安全过滤器定义于 gemini.go注意-cache-size的解析逻辑在 aflow.go支持KB/MB/GB/TB后缀及裸数字未知后缀会直接报错。缓存实际落在-workdir/cache目录下见 runner.go由pkg/aflow的 Cache 组件管理用于避免重复的 LLM 调用。四、工作流输入 JSON无需 syz-manager 配置与syz-manager需要标准 TOML 配置不同syz-aflow只需要一个JSON 文件其中放的是特定工作流自己的参数字段。如果工作流需要与 VM 交互如复现崩溃、测试补丁输入 JSON 中就需要包含描述环境的字段如Image、VM 类型与配置、KernelSrc等工作流代码会在运行时把这些零散参数程序化地拼装出 manager 配置因此你不需要自己维护一份完整配置。4.1 patching 工作流的示例输入README 中给出的完整示例{ Syzkaller: /path/to/syzkaller, Image: /path/to/linux/image, Type: qemu, VM: { count: 1, cpu: 2, mem: 2048, qemu_args: -machine q35 -enable-kvm -smp 2,sockets2,cores1 }, ReproSyz: syz_open$dir(0x0, 0x1) ..., KernelConfig: /path/to/linux.config }对照 pkg/aflow/flow/patching/patching.go 中patching.Inputs结构体该工作流实际支持的输入字段还包括AgentName、TargetOS、TargetArch、TargetVMArch、ReproOpts、ReproC、BaseRepository、BaseBranch、BaseCommit、StraceBin等。其中BaseCommit支持三种取值精确 commit hash本地测试、HEAD用当前分支 HEAD、RC用分支上最新的 release/release candidate tag由baseCommitPicker动作处理。patching工作流的完整流水线同样见 patching.go是选择基准 commit → 生成简化 C 复现器 → 内核 checkout/构建 → 复现崩溃 → 建立代码搜索索引 →debugger智能体分析 bug →history-explorer智能体挖掘历史上下文 → 补丁生成循环 → 补丁精修循环 → 定位 Fixes 提交 → 获取维护者与近期提交 → 生成补丁描述。每一步都会产出结构化的中间值供后续步骤消费。4.2 seed-gen-file-line 工作流的输入批量模式专用的seed-gen-file-line工作流定义于 pkg/aflow/flow/seedgen/seedgen_file_line.go的输入字段为FilePath目标文件路径、LineNumber目标行号、KernelRepo、KernelCommit、KernelConfig、Image、Type、VM、CorpusVMCount、Syzkaller、TargetOS、TargetArch、TargetVMArch、CorpusPath、Snapshot。其流水线先kernel.Checkout/kernel.Build构建内核再由resolve-line-to-pc动作调用 coverage 后端把FilePath LineNumber解析为一组候选 KCOV PCResolveLineToPC见 seedgen_file_line.go之后进入最多 5 轮maxSeedGenAttempts 5的“生成器智能体 → 验证 PC → 反馈失败原因”循环直到生成能命中目标 PC 的 syzlang 程序通用 pipeline 见 pkg/aflow/flow/seedgen/seedgen.go。4.3文件展开规则输入 JSON 中任何字符串字段若以开头如/path/to/file或./relative/path会被自动替换为对应文件的内容相对路径基于-inputJSON 文件所在目录解析。字面量可用转义如literal会得到literal。展开逻辑在 aflow.go 的expandFileInputs/expandValue中实现且是递归的不仅顶层字段嵌套的 JSON 对象如VM配置和数组中的字符串同样会被展开。对应测试 aflow_test.go 覆盖了绝对路径、相对路径、转义、嵌套 map/数组以及“文件不存在时报错”等全部场景可作为行为契约参考。利用该机制KernelConfig可以直接写/path/to/linux.config把整个内核配置内容注入工作流。五、批量执行目录输入 并发 断点续跑当-input指向一个目录时目录下每个*.json文件被视为一个独立任务进入批量模式。README 中的示例./tools/syz-env ./syz-aflow -workflow seed-gen-file-line -input ./tasks -workdir ./workdir -parallel 45.1 结果目录与任务状态每个任务的结果按状态分类保存到workdir/trajectories/state/下状态共四类定义于 batch.gosuccess/工作流成功输出中Success truegiveup/工作流正常结束但放弃未产出成功结果error/工作流或基础设施报错in_progress/运行中任务的临时.html轨迹与.log日志进程被杀后会遗留于此用于断点续跑识别。每个任务目录下保存同名id.json含id、state、outputs、error、duration_ms字段的结果文件、.html轨迹与.log日志。状态归类逻辑在classifyResultStatebatch.go有错误 →error输出中Success为 true →success否则 →giveup。5.2 重启续跑与执行顺序重启时工具扫描trajectories/下各状态目录batch.go已有.json结果文件的任务视为已完成直接跳过只有in_progress残留文件.html/.log的任务视为上次被中断会优先重跑——因为这些任务还“热”在 LLM 缓存里重跑成本最低其余任务以随机顺序执行使长时间批量运行的中间结果对整个任务集具有代表性便于需要时提前终止。5.3 批量模式的限制批量执行当前仅支持seed-gen-file-line工作流且不能与-html、-output组合使用轨迹统一写入workdir/trajectories/同时强制要求指定-workdir。这些约束由validateBatchMode强制校验batch.go。此外单任务模式下使用-parallel或-corpus会直接报错-parallel必须 ≥ 1。5.4 多 API Key 分摊限流为应对 Gemini 的速率限制可将多个 API Key每行一个放入环境变量GOOGLE_API_KEY$(cat keys.txt) ./tools/syz-env ./syz-aflow -workflow seed-gen-file-line -input ./tasks -workdir ./workdir -parallel 4实现上gemini.go 通过gemini.ParseAPIKeys解析GOOGLE_API_KEY或GEMINI_API_KEY中按行分隔的多个 key每个任务固定使用其中一个 key。注意只有 key 属于不同项目时才真正有助于规避速率限制同一项目的多个 key 效果有限。5.5 批量产出语料库-corpus配合-corpus path批量运行期间执行的所有程序不含 fault injection 等调用属性会被实时保存到指定的corpus.db可用于后续作为 fuzzing 种子。其实现见 corpus.go每个结束的 span 若有 syzlang 程序 artifact就按TargetOS/TargetArch解析目标、反序列化程序、清空调用属性CallProps与注释后以哈希为 key 去重写入数据库。无法解析的程序会被跳过而不是拖垮整个批量任务且程序在 span 结束时立即落盘中断也不会丢失。六、LLM Provider 配置Gemini 与 Vertexsyz-aflow/gemini.go 通过RegisterProvider注册机制见 registry.go注册了两个 providergemini默认需要设置环境变量GOOGLE_API_KEY或GEMINI_API_KEY否则启动报错vertex需要设置GOOGLE_CLOUD_PROJECT必填GOOGLE_CLOUD_REGION可选、默认global使用 Vertex AI 端点。用-provider vertex切换用-model覆盖默认模型。框架内部按任务复杂度分层使用模型见 pkg/aflow/GEMINI.mdaflow.DeepReasoningModelPro 级用于复杂因果推理、架构规划与安全影响分析aflow.CoreModel最新 Flash 级是智能体执行、C 代码编写、评审循环的主力aflow.LightweightModelFlash用于低开销的文本/标签抽取与上下文压缩。若不需要内容安全过滤可加-no-safety-filters。七、实时轨迹可视化-html与-output单任务运行时可实时观察工作流每一步的轨迹./tools/syz-env ./syz-aflow -workflow patching -input input.json -workdir ./workdir -html trajectory.html-html指定的 HTML 文件会在执行过程中被实时重写每次产生或更新一个 spanFlow/Action/Agent/LLM/Tool 层级runner.go 的回调就会用appendOrUpdateSpan按 span 序号增量更新内存列表并调用aflowhtml.RenderReport渲染到该文件runner.go。用浏览器打开即可看到各步骤的图表与执行进度便于调试。轨迹渲染模板位于 pkg/aflow/trajectory/html。配合-output out.json工作流结束时的最终输出map[string]any形式会以 JSON 写入指定文件便于后续程序化消费。八、从 syzbot dashboard 拉取真实 bug 作为输入-download-bug id|extid可以从 dashboard 按 bug 的 id 或 extid 拉取真实崩溃详情自动生成一份可直接作为-input使用的输入 JSONaflow.go。它会通过https://syzbot.org的/bug?extid...json1接口失败后回退id抓取数据并组装出KernelRepo、KernelCommit、BugTitle、ReproSyz、ReproOpts、ReproC、KernelConfig、CrashReport等字段写入-input指定的文件。私有 bug 需要配合-auth使用gcloud auth application-default login获取的凭据见getAccessToken。这正是把线上 syzbot 的 bug 直接喂给本地patching等工作流进行调试/复现的快捷通道。dashboard 侧的 JSON 导出接口在 pkg/aflow/docs/extract-workflows.md 有专门说明tools/extract_workflows.sh脚本可批量导出历史工作流轨迹用于离线分析。九、源码视角执行机制与关键调用链工作流的实际执行入口是 pkg/aflow/execute.go 的Flow.Execute先校验输入类型checkInputs、合并Flow.Consts常量初始化Context携带工作目录、LLM provider、缓存、token 限制、事件回调然后从Root动作开始顺序执行整个动作图最终调用extractOutputs提取结构化输出。执行过程的关键机制包括Trajectory span 事件startSpan/finishSpan会通过OnEvent回调把每个动作的开始/结束含错误、结果与 token 消耗推给 runner这是-html可视化与批量模式结果分类的数据基础持久化缓存Context.Cache/CacheObject基于 prompt、配置与历史做 LLM 响应级缓存-cache-size限制其磁盘占用workdir在重启间保留以复用缓存token 预算ConsumeTokens累计所有 LLM 调用消耗的 token超过-token-limit时以FlowError中止VM 生命周期main()注册了osutil.HandleInterrupts(vm.Shutdown)收到 SIGINT/SIGTERM 时会优雅取消运行中的工作流并关闭其 VM被中断的批量任务会保留in_progress文件以便下次优先恢复错误语义FlowError表示工作流自身的预期失败如内核构建失败不应触发基础设施告警模型超配额错误有专门的识别与重置时间计算逻辑QuotaResetTime按太平洋时区午夜 5 分钟。十、常见问题与注意事项找不到工作流-workflow名字必须在aflow.Flows注册表中存在可用不带参数的运行方式列出全部可用工作流与描述执行syz-aflow时若-workflow或-input为空也会打印 usage。provider 报错gemini缺GOOGLE_API_KEY/GEMINI_API_KEY或vertex缺GOOGLE_CLOUD_PROJECT时启动阶段即失败见 gemini.go请先配置环境变量。批量模式限制仅seed-gen-file-line支持批量批量中混用-html/-output、单任务中用-parallel/-corpus都会校验失败。工作目录语义-workdir存放 checkout、构建产物、缓存与批量轨迹应使用可写的独立目录并在重启间保留以最大化缓存命中与断点续跑收益。文件展开副作用展开发生在输入加载阶段loadTaskInputs引用的文件必须存在否则任务报错批量模式下该任务标记为error。总的来说syz-aflow让开发者无需搭建 syzbot 完整服务即可在本地用一条命令驱动 syzkaller 最前沿的 LLM 智能体工作流配合批量执行、断点续跑、轨迹可视化与语料导出是调试内核崩溃复现、自动生成补丁与定向种子程序的实用入口。赞分享网络安全开发工具质量保障【免费下载链接】syzkallersyzkaller is an unsupervised coverage-guided kernel fuzzer项目地址https://gitcode.com/gh_mirrors/sy/syzkaller点击查看免费下载相关推荐丢一份硬件报告进去还你一套黑苹果 OpenCore EFIOpCore Simplify 上手指南丢一份硬件报告进去还你一套黑苹果 OpenCore EFIOpCore Simplify 上手指南 在自组机器上跑 macOS黑苹果最耗时间的环节不是开发工具CLIWoodpecker 本地流水线执行指南用 woodpecker-cli exec 调试与回放工作流Woodpecker 本地流水线执行指南用 woodpecker cli exec 调试与回放工作流 woodpecker cli exec 是 WoodpeCI/CDDevOpssyzkaller corpus.db 数据库操作指南syz-db 工具全面解析syzkaller corpus.db 数据库操作指南syz db 工具全面解析 syz db 是 syzkaller 项目自带的 corpus.db 数据库网络安全开发工具质量保障上一篇xiaozhi-esp32电池电量监测终极指南从入门到精通的完整教程下一篇7个超实用技巧Tiled地图编辑器从零构建游戏世界完全指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 syz-aflow 使用指南：本地构建、运行与调试 syzkaller 的 AI 工作流（Agentic Flow）CLI 工具
网络安全开发工具质量保障【免费下载链接】syzkallersyzkaller is an unsupervised coverage-guided kernel fuzzer项目地址https://gitcode.com/gh_mirrors/sy/syzkaller点击查看免费下载syz-aflow是 syzkaller 仓库中一个独立的命令行工具用于在本地调试与测试由pkg/aflow框架定义的一整套“智能体工作流”Agentic Flow——包括自动生成内核补丁patching、复现崩溃repro、安全评估、基于文件行号生成 syzlang 种子程序seed-gen-file-line等。本文将以 tools/syz-aflow/README.md 为主体结合源码完整讲解如何构建该工具、编写工作流输入 JSON、执行单任务与批量任务、配置 Gemini/Vertex 模型、可视化执行轨迹以及其内部的执行与断点续跑机制读完即可上手跑通一个真实工作流。一、背景从pkg/aflow框架到syz-aflow执行器syz-aflow本身是一个极薄的 CLI 外壳真正的工作流定义与执行引擎位于 pkg/aflow 包。按 pkg/aflow/GEMINI.md 的描述aflow是一个“Agentic Flow”框架用结构化的方式组合传统 Go 代码与LLM 智能体来完成高层的自动化内核任务典型场景包括Patching自动生成并精修内核补丁Moderation评估 bug 报告的影响与可操作性Reproduction为已上报的崩溃寻找复现方式syzkaller 与 C 复现器Assessment分析 KCSAN 报告与安全报告。框架的核心概念包括概念说明Flow一次高层工作流定义声明输入、输出与动作序列可用Flow.Consts注入常量Action工作流中的单个步骤LLMAgent是驱动 Gemini 的智能体FuncAction是包装成步骤的 Go 函数Pipeline/DoWhile/If/ForEach提供编排Tool提供给 LLMAgent 的能力FuncTool是暴露给 LLM 的 Go 函数LLMTool是嵌套子智能体Context携带执行状态、管理持久化缓存、记录执行历史Trajectory由 spanFlow/Action/Agent/LLM/Tool组成的分层执行日志记录包括 LLM 思考与 token 消耗在内的完整执行路径所有工作流通过aflow.Register注册到全局注册表 pkg/aflow/flow.go并由 pkg/aflow/flow/flows.go 统一导入。当前仓库内可用的工作流类型定义于 pkg/aflow/ai/ai.go包括patching、patch-iteration、moderation、assessment-kcsan、assessment-security、repro、repro-c、patch-triage、seed-gen、seed-gen-file-line、finding-triage。syz-aflow的作用就是把这些注册好的工作流暴露给本地命令行从 aflow.go 的main()可以看到工具先解析命令行 flag再在aflow.Flows注册表中按-workflow名字查找工作流然后调用flow.Execute执行。不带参数运行时它会打印全部可用工作流及其描述。二、构建一行命令产出可执行文件在仓库根目录通过syz-env环境syzkaller 官方提供的容器化开发环境入口脚本见 tools/syz-env执行./tools/syz-env go build ./tools/syz-aflow该命令会在仓库根目录生成syz-aflow二进制。后续所有运行命令都通过./tools/syz-env ./syz-aflow ...的方式调用以保证依赖与编译环境一致。三、基本执行与全部命令行参数3.1 单任务运行运行一个工作流需要三要素工作流名称、输入 JSON 文件、工作目录./tools/syz-env ./syz-aflow -workflow workflow_name -input input.json -workdir workdir其中-workdir是工作流执行 checkout、内核构建等耗时操作的私有目录建议在多次运行之间保留pkg/aflow会在这里持久化 LLM 缓存显著降低重复运行成本。3.2 全部 Flag 一览README 列出了核心参数结合 aflow.go 的 flag 定义完整的参数表如下Flag默认值说明-workflow空要执行的工作流名称必填-input空工作流输入 JSON 文件路径若为目录则进入批量模式目录下每个*.json是一个任务必填-parallel1批量执行时的并发任务数仅批量模式可用-corpus空批量模式下将所有执行过的程序保存到指定的corpus.db仅批量模式可用-workdir空工作流执行 checkout、构建等的目录-html空将执行轨迹实时渲染到指定的本地 HTML 文件-output空将最终工作流输出保存到指定 JSON 文件-model空覆盖默认 LLM 模型为空时使用各工作流的默认模型-providergeminiLLM 提供商gemini或vertex-cache-size10GB最大缓存大小支持100MB、5GB、1TB等格式-token-limit0整个工作流运行允许的最大 token 数0 表示不限制-debugfalse开启 runner 调试日志-download-bug空按 bug 的 id 或 extid 从 dashboard 下载 bug 详情并写入-input文件-authfalse下载 bug 时使用 gcloud auth token需先执行gcloud auth application-default login-no-safety-filtersfalse对 Gemini/Vertex 请求关闭安全过滤器定义于 gemini.go注意-cache-size的解析逻辑在 aflow.go支持KB/MB/GB/TB后缀及裸数字未知后缀会直接报错。缓存实际落在-workdir/cache目录下见 runner.go由pkg/aflow的 Cache 组件管理用于避免重复的 LLM 调用。四、工作流输入 JSON无需 syz-manager 配置与syz-manager需要标准 TOML 配置不同syz-aflow只需要一个JSON 文件其中放的是特定工作流自己的参数字段。如果工作流需要与 VM 交互如复现崩溃、测试补丁输入 JSON 中就需要包含描述环境的字段如Image、VM 类型与配置、KernelSrc等工作流代码会在运行时把这些零散参数程序化地拼装出 manager 配置因此你不需要自己维护一份完整配置。4.1 patching 工作流的示例输入README 中给出的完整示例{ Syzkaller: /path/to/syzkaller, Image: /path/to/linux/image, Type: qemu, VM: { count: 1, cpu: 2, mem: 2048, qemu_args: -machine q35 -enable-kvm -smp 2,sockets2,cores1 }, ReproSyz: syz_open$dir(0x0, 0x1) ..., KernelConfig: /path/to/linux.config }对照 pkg/aflow/flow/patching/patching.go 中patching.Inputs结构体该工作流实际支持的输入字段还包括AgentName、TargetOS、TargetArch、TargetVMArch、ReproOpts、ReproC、BaseRepository、BaseBranch、BaseCommit、StraceBin等。其中BaseCommit支持三种取值精确 commit hash本地测试、HEAD用当前分支 HEAD、RC用分支上最新的 release/release candidate tag由baseCommitPicker动作处理。patching工作流的完整流水线同样见 patching.go是选择基准 commit → 生成简化 C 复现器 → 内核 checkout/构建 → 复现崩溃 → 建立代码搜索索引 →debugger智能体分析 bug →history-explorer智能体挖掘历史上下文 → 补丁生成循环 → 补丁精修循环 → 定位 Fixes 提交 → 获取维护者与近期提交 → 生成补丁描述。每一步都会产出结构化的中间值供后续步骤消费。4.2 seed-gen-file-line 工作流的输入批量模式专用的seed-gen-file-line工作流定义于 pkg/aflow/flow/seedgen/seedgen_file_line.go的输入字段为FilePath目标文件路径、LineNumber目标行号、KernelRepo、KernelCommit、KernelConfig、Image、Type、VM、CorpusVMCount、Syzkaller、TargetOS、TargetArch、TargetVMArch、CorpusPath、Snapshot。其流水线先kernel.Checkout/kernel.Build构建内核再由resolve-line-to-pc动作调用 coverage 后端把FilePath LineNumber解析为一组候选 KCOV PCResolveLineToPC见 seedgen_file_line.go之后进入最多 5 轮maxSeedGenAttempts 5的“生成器智能体 → 验证 PC → 反馈失败原因”循环直到生成能命中目标 PC 的 syzlang 程序通用 pipeline 见 pkg/aflow/flow/seedgen/seedgen.go。4.3文件展开规则输入 JSON 中任何字符串字段若以开头如/path/to/file或./relative/path会被自动替换为对应文件的内容相对路径基于-inputJSON 文件所在目录解析。字面量可用转义如literal会得到literal。展开逻辑在 aflow.go 的expandFileInputs/expandValue中实现且是递归的不仅顶层字段嵌套的 JSON 对象如VM配置和数组中的字符串同样会被展开。对应测试 aflow_test.go 覆盖了绝对路径、相对路径、转义、嵌套 map/数组以及“文件不存在时报错”等全部场景可作为行为契约参考。利用该机制KernelConfig可以直接写/path/to/linux.config把整个内核配置内容注入工作流。五、批量执行目录输入 并发 断点续跑当-input指向一个目录时目录下每个*.json文件被视为一个独立任务进入批量模式。README 中的示例./tools/syz-env ./syz-aflow -workflow seed-gen-file-line -input ./tasks -workdir ./workdir -parallel 45.1 结果目录与任务状态每个任务的结果按状态分类保存到workdir/trajectories/state/下状态共四类定义于 batch.gosuccess/工作流成功输出中Success truegiveup/工作流正常结束但放弃未产出成功结果error/工作流或基础设施报错in_progress/运行中任务的临时.html轨迹与.log日志进程被杀后会遗留于此用于断点续跑识别。每个任务目录下保存同名id.json含id、state、outputs、error、duration_ms字段的结果文件、.html轨迹与.log日志。状态归类逻辑在classifyResultStatebatch.go有错误 →error输出中Success为 true →success否则 →giveup。5.2 重启续跑与执行顺序重启时工具扫描trajectories/下各状态目录batch.go已有.json结果文件的任务视为已完成直接跳过只有in_progress残留文件.html/.log的任务视为上次被中断会优先重跑——因为这些任务还“热”在 LLM 缓存里重跑成本最低其余任务以随机顺序执行使长时间批量运行的中间结果对整个任务集具有代表性便于需要时提前终止。5.3 批量模式的限制批量执行当前仅支持seed-gen-file-line工作流且不能与-html、-output组合使用轨迹统一写入workdir/trajectories/同时强制要求指定-workdir。这些约束由validateBatchMode强制校验batch.go。此外单任务模式下使用-parallel或-corpus会直接报错-parallel必须 ≥ 1。5.4 多 API Key 分摊限流为应对 Gemini 的速率限制可将多个 API Key每行一个放入环境变量GOOGLE_API_KEY$(cat keys.txt) ./tools/syz-env ./syz-aflow -workflow seed-gen-file-line -input ./tasks -workdir ./workdir -parallel 4实现上gemini.go 通过gemini.ParseAPIKeys解析GOOGLE_API_KEY或GEMINI_API_KEY中按行分隔的多个 key每个任务固定使用其中一个 key。注意只有 key 属于不同项目时才真正有助于规避速率限制同一项目的多个 key 效果有限。5.5 批量产出语料库-corpus配合-corpus path批量运行期间执行的所有程序不含 fault injection 等调用属性会被实时保存到指定的corpus.db可用于后续作为 fuzzing 种子。其实现见 corpus.go每个结束的 span 若有 syzlang 程序 artifact就按TargetOS/TargetArch解析目标、反序列化程序、清空调用属性CallProps与注释后以哈希为 key 去重写入数据库。无法解析的程序会被跳过而不是拖垮整个批量任务且程序在 span 结束时立即落盘中断也不会丢失。六、LLM Provider 配置Gemini 与 Vertexsyz-aflow/gemini.go 通过RegisterProvider注册机制见 registry.go注册了两个 providergemini默认需要设置环境变量GOOGLE_API_KEY或GEMINI_API_KEY否则启动报错vertex需要设置GOOGLE_CLOUD_PROJECT必填GOOGLE_CLOUD_REGION可选、默认global使用 Vertex AI 端点。用-provider vertex切换用-model覆盖默认模型。框架内部按任务复杂度分层使用模型见 pkg/aflow/GEMINI.mdaflow.DeepReasoningModelPro 级用于复杂因果推理、架构规划与安全影响分析aflow.CoreModel最新 Flash 级是智能体执行、C 代码编写、评审循环的主力aflow.LightweightModelFlash用于低开销的文本/标签抽取与上下文压缩。若不需要内容安全过滤可加-no-safety-filters。七、实时轨迹可视化-html与-output单任务运行时可实时观察工作流每一步的轨迹./tools/syz-env ./syz-aflow -workflow patching -input input.json -workdir ./workdir -html trajectory.html-html指定的 HTML 文件会在执行过程中被实时重写每次产生或更新一个 spanFlow/Action/Agent/LLM/Tool 层级runner.go 的回调就会用appendOrUpdateSpan按 span 序号增量更新内存列表并调用aflowhtml.RenderReport渲染到该文件runner.go。用浏览器打开即可看到各步骤的图表与执行进度便于调试。轨迹渲染模板位于 pkg/aflow/trajectory/html。配合-output out.json工作流结束时的最终输出map[string]any形式会以 JSON 写入指定文件便于后续程序化消费。八、从 syzbot dashboard 拉取真实 bug 作为输入-download-bug id|extid可以从 dashboard 按 bug 的 id 或 extid 拉取真实崩溃详情自动生成一份可直接作为-input使用的输入 JSONaflow.go。它会通过https://syzbot.org的/bug?extid...json1接口失败后回退id抓取数据并组装出KernelRepo、KernelCommit、BugTitle、ReproSyz、ReproOpts、ReproC、KernelConfig、CrashReport等字段写入-input指定的文件。私有 bug 需要配合-auth使用gcloud auth application-default login获取的凭据见getAccessToken。这正是把线上 syzbot 的 bug 直接喂给本地patching等工作流进行调试/复现的快捷通道。dashboard 侧的 JSON 导出接口在 pkg/aflow/docs/extract-workflows.md 有专门说明tools/extract_workflows.sh脚本可批量导出历史工作流轨迹用于离线分析。九、源码视角执行机制与关键调用链工作流的实际执行入口是 pkg/aflow/execute.go 的Flow.Execute先校验输入类型checkInputs、合并Flow.Consts常量初始化Context携带工作目录、LLM provider、缓存、token 限制、事件回调然后从Root动作开始顺序执行整个动作图最终调用extractOutputs提取结构化输出。执行过程的关键机制包括Trajectory span 事件startSpan/finishSpan会通过OnEvent回调把每个动作的开始/结束含错误、结果与 token 消耗推给 runner这是-html可视化与批量模式结果分类的数据基础持久化缓存Context.Cache/CacheObject基于 prompt、配置与历史做 LLM 响应级缓存-cache-size限制其磁盘占用workdir在重启间保留以复用缓存token 预算ConsumeTokens累计所有 LLM 调用消耗的 token超过-token-limit时以FlowError中止VM 生命周期main()注册了osutil.HandleInterrupts(vm.Shutdown)收到 SIGINT/SIGTERM 时会优雅取消运行中的工作流并关闭其 VM被中断的批量任务会保留in_progress文件以便下次优先恢复错误语义FlowError表示工作流自身的预期失败如内核构建失败不应触发基础设施告警模型超配额错误有专门的识别与重置时间计算逻辑QuotaResetTime按太平洋时区午夜 5 分钟。十、常见问题与注意事项找不到工作流-workflow名字必须在aflow.Flows注册表中存在可用不带参数的运行方式列出全部可用工作流与描述执行syz-aflow时若-workflow或-input为空也会打印 usage。provider 报错gemini缺GOOGLE_API_KEY/GEMINI_API_KEY或vertex缺GOOGLE_CLOUD_PROJECT时启动阶段即失败见 gemini.go请先配置环境变量。批量模式限制仅seed-gen-file-line支持批量批量中混用-html/-output、单任务中用-parallel/-corpus都会校验失败。工作目录语义-workdir存放 checkout、构建产物、缓存与批量轨迹应使用可写的独立目录并在重启间保留以最大化缓存命中与断点续跑收益。文件展开副作用展开发生在输入加载阶段loadTaskInputs引用的文件必须存在否则任务报错批量模式下该任务标记为error。总的来说syz-aflow让开发者无需搭建 syzbot 完整服务即可在本地用一条命令驱动 syzkaller 最前沿的 LLM 智能体工作流配合批量执行、断点续跑、轨迹可视化与语料导出是调试内核崩溃复现、自动生成补丁与定向种子程序的实用入口。赞分享网络安全开发工具质量保障【免费下载链接】syzkallersyzkaller is an unsupervised coverage-guided kernel fuzzer项目地址https://gitcode.com/gh_mirrors/sy/syzkaller点击查看免费下载相关推荐丢一份硬件报告进去还你一套黑苹果 OpenCore EFIOpCore Simplify 上手指南丢一份硬件报告进去还你一套黑苹果 OpenCore EFIOpCore Simplify 上手指南 在自组机器上跑 macOS黑苹果最耗时间的环节不是开发工具CLIWoodpecker 本地流水线执行指南用 woodpecker-cli exec 调试与回放工作流Woodpecker 本地流水线执行指南用 woodpecker cli exec 调试与回放工作流 woodpecker cli exec 是 WoodpeCI/CDDevOpssyzkaller corpus.db 数据库操作指南syz-db 工具全面解析syzkaller corpus.db 数据库操作指南syz db 工具全面解析 syz db 是 syzkaller 项目自带的 corpus.db 数据库网络安全开发工具质量保障上一篇xiaozhi-esp32电池电量监测终极指南从入门到精通的完整教程下一篇7个超实用技巧Tiled地图编辑器从零构建游戏世界完全指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考